LeetCode算法系列:93.Restore IP Addresses

题目描述

Given a string containing only digits, restore it by returning all possible valid IP address combinations.

Example:

Input: "25525511135"
Output: ["255.255.11.135", "255.255.111.35"]

算法实现

这个问题首先要理解什么是有效的IP地址:

  • 一个有效的IP地址被"."分为四段
  • 如果一个段包含3个字符,那么这三个字符不能大于”255”,这是ip地址的基本知识;
  • 如果一个字符包括2个或3个字符,它的第一个字符不能为0。

采用回溯法,分别判断从剩余字符中拿出第一个字符,前两个字符,前三个字符能不能组成一段,且剩余的字符能不能组成剩余的段数

//一个有效的IP地址被"."分为四段
//如果一个段包含3个字符,那么这三个字符不能大于”255”,这是ip地址的基本知识;
//如果一个字符包括2个或3个字符,它的第一个字符不能为0。
class Solution {
public:
    vector<string> res;
    vector<string> oneres;
    
    vector<string> restoreIpAddresses(string s) {
        if(s.empty())return res;
        resIp(s,0,4);
        return res;        
    }
    //st为当前段开始的索引,c为剩余字符应该分配的段数
    void resIp(string s, int st, int c){
        // cout << st << "," << c << endl;
        if(s.length() - st > 3*c || s.length() - st < 1*c)return;
        //如果剩余字符分得一段,那么需要判断这一段能否满足要求,若满足要求则生成一种解决方案,否则退出进行回溯
        if(c == 1){            
            int suanz = 0;
            if(st == s.length() - 1 || s[st] != '0'){
                for(int i = s.length() - 1; i >= st; i --){
                    int d = pow(10,s.length() - 1 - i);
                    suanz += d * (s[i] - '0');
                }
                if(suanz <= 255){
                    string stringres;
                    for(auto c:oneres){
                        stringres += c;
                        stringres += '.';
                    }
                    stringres += s.substr(st);
                    res.push_back(stringres);
                }
            }
            return;
        }
        //如果剩余字符可以分得的段数大于1段,分别判断从剩余字符中拿出第一个字符,前两个字符,前三个字符能不能组成一段
        oneres.push_back(s.substr(st,1));
        resIp(s, st + 1, c - 1);
        oneres.pop_back();
        if(s[st] != '0' && st < s.length() - 2){
            oneres.push_back(s.substr(st,2));
            resIp(s, st + 2, c - 1);
            oneres.pop_back();
            if(st < s.length() - 3 && (s[st] - '0')*100 + (s[st + 1] - '0')*10 + s[st + 2] - '0' <= 255){
                oneres.push_back(s.substr(st,3));
                resIp(s, st + 3, c - 1);
                oneres.pop_back();
            }
        }
        
    }
};

 

使用优化算法,以优化VMD算法的惩罚因子惩罚因子 (α) 和分解层数 (K)。 1、将量子粒子群优化(QPSO)算法与变分模态分解(VMD)算法结合 VMD算法背景: VMD算法是一种自适应信号分解算法,主要用于分解信号为不同频率带宽的模态。 VMD的关键参数包括: 惩罚因子 α:控制带宽的限制。 分解层数 K:决定分解出的模态数。 QPSO算法背景: 量子粒子群优化(QPSO)是一种基于粒子群优化(PSO)的一种改进算法,通过量子行为模型增强全局搜索能力。 QPSO通过粒子的量子行为使其在搜索空间中不受位置限制,从而提高算法的收敛速度与全局优化能力。 任务: 使用QPSO优化VMD中的惩罚因子 α 和分解层数 K,以获得信号分解的最佳效果。 计划: 定义适应度函数:适应度函数根据VMD分解的效果来定义,通常使用重构信号的误差(例如均方误差、交叉熵等)来衡量分解的质量。 初始化QPSO粒子:定义粒子的位置和速度,表示 α 和 K 两个参数。初始化时需要在一个合理的范围内为每个粒子分配初始位置。 执行VMD分解:对每一组 α 和 K 参数,运行VMD算法分解信号。 更新QPSO粒子:使用QPSO算法更新粒子的状态,根据适应度函数调整粒子的搜索方向和位置。 迭代求解:重复QPSO的粒子更新步骤,直到满足终止条件(如适应度函数达到设定阈值,或最大迭代次数)。 输出优化结果:最终,QPSO算法会返回一个优化的 α 和 K,从而使VMD分解效果最佳。 2、将极光粒子(PLO)算法与变分模态分解(VMD)算法结合 PLO的优点与适用性 强大的全局搜索能力:PLO通过模拟极光粒子的运动,能够更高效地探索复杂的多峰优化问题,避免陷入局部最优。 鲁棒性强:PLO在面对高维、多模态问题时有较好的适应性,因此适合海上风电时间序列这种非线性、多噪声的数据。 应用场景:PLO适合用于优化VMD参数(α 和 K),并将其用于风电时间序列的预测任务。 进一步优化的建议 a. 实现更细致的PLO更新策略,优化极光粒子的运动模型。 b. 将PLO优化后的VMD应用于真实的海上风电数据,结合LSTM或XGBoost等模型进行风电功率预测。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值